黄仁勋详解“AI经济学”
当地时间9月2日，在美国北卡罗来纳州教堂山举行的G20创新部长级会议上， 英伟达 创始人兼首席执行官黄仁勋与美国商务部长霍华德·卢特尼克展开炉边对话，向各国官员阐述其“AI经济学”。
在黄仁勋看来，AI正在从一种软件技术演变为与道路、 电力 、互联网类似的国家级经济基础设施。对各国而言，这轮产业革命最大的风险不是AI本身，而是投资和应用不足。
“最坏的结果就是你没有利用它，被甩在后面。”黄仁勋说。
2030年全球AI相关能源需求
将达100吉瓦
黄仁勋认为，随着AI快速发展，芯片和 计算机 已经不能再被简单理解为PC、手机等终端产品，算力设施正在成为一种能够持续创造经济价值的生产资料。
在他的经济模型中，过去人类将能源按照千瓦时计价，如今智能开始以Token计价。 数据中心 由此不再只是存储和处理数据的后台设施，而是投入 电力 、芯片和数据，持续产出Token的“AI工厂”。
这种生产方式也意味着AI产业将进入重资产投入阶段。黄仁勋在会上表示，目前建设1吉瓦AI基础设施大约需要500亿美元至600亿美元投资，约为一座250亿美元晶圆厂的两倍。
他预计，从现在到2030年，为满足全球对智能的需求，相关AI基础设施建设规模可能达到约100吉瓦。若按照上述单位投资简单计算，所对应的潜在投入将达到数万亿美元。不过，实际投资规模还会受项目结构、设备价格和建设进度等因素影响。
黄仁勋此前将AI产业概括为一块“五层蛋糕”：底层是能源，其上依次为芯片、计算基础设施、模型和应用。应用需求向下传导，将带动发电、电网、芯片制造、服务器、网络和 数据中心 等环节的投资。
能源已成为其中最明显的约束。国际能源署预计，全球 数据中心 用电量将由2025年的约485太瓦时增至2030年的约950太瓦时；AI专用数据中心同期用电量可能增至原来的三倍。芯片供给之外，电源、电网、变压器和项目审批将共同影响AI基础设施的扩张速度。
此次对谈中，黄仁勋认为每个国家都需要建设一定规模的AI基础设施，以支持本国企业、科研机构和初创公司发展。
但他同时表示，一个国家不必在能源、芯片、基础设施、模型和应用五个环节全部成为全球领导者，也不必独立发展所有环节。“各国需要根据自身的能源、制造业、资本、人才和数据条件，确定重点参与的位置。”黄仁勋说。
物理AI将成新赛点
AI治理仍悬而未决
对于AI下一阶段的发展，黄仁勋将重点指向智能体和物理AI。
在他看来，大语言模型只是基础能力，真正形成生产力还需要为模型增加知识检索、工作记忆、工具调用和协同能力。能够操作数字工具的智能体可以成为“数字员工”；进一步进入 汽车 、机械臂等物理设备后，则会形成自动驾驶、工业 机器人 、 物流 机器人 和手术 机器人 等应用。
黄仁勋预计，未来几年，AI将基本实现通用 人工智能 。但他认为，即使模型具备较强的通用能力，企业也不能接入一个模型后便自动完成业务升级。AI仍然需要获得具体业务的目标、知识、上下文和访问权限。
“每个国家、每家公司，不能把所有的智慧都外包给别人。”黄仁勋说。
对于AI可能造成大规模失业的说法，黄仁勋同样持相对乐观的态度。他认为，AI将自动化大量具体任务，但职业本身所承担的目标仍然存在，工作内容将因此被重新定义。
在黄仁勋描绘的图景中，AI基础设施建设还将带动 电力 、建筑、芯片制造、设备安装和数据中心运维等领域的就业。
在监管问题上，黄仁勋呼吁各国不要围绕“理论上的伤害”制定AI规则，而应把重点放在已经出现的现实问题上。在他看来，如果政策制定者持续以恐惧和不确定性谈论AI，可能会放慢技术采用速度，进而使本国在产业变革中落后。
有意思的是，从整场对话来看，与会者并非完全认同黄仁勋的观点。OpenAI首席执行官萨姆·奥尔特曼认为，对AI风险保持担忧具有必要性。
事实上，眼下数据中心建设已在美国部分地区引发围绕电价、用水、土地和环境影响的争议。如果建设成本和外部成本更多由当地社会承担，而智能生产带来的利润主要集中在少数企业，AI基础设施便很难像道路和电网一样天然获得公共支持。
这也成为黄仁勋“AI经济学”仍需回答的另一面：在数万亿美元的投资中，谁来出资，谁拥有基础设施，谁取得Token生产带来的收益，又由谁承担电力、折旧和金融风险。
作者：罗茂林